فایل ورد کامل متد های موازی جدید برای کاوش قواعد انجمنی در سیستم های حافظه مشترک چند هسته ای
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد
متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم
فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل متد های موازی جدید برای کاوش قواعد انجمنی در سیستم های حافظه مشترک چند هسته ای،به هیچ وجه بهم ریختگی وجود ندارد
تعداد صفحات این فایل: ۵۱ صفحه
چکیده :
کاوش قواعد انجمنی یا ARM در داده کاوی با برنامه های عملی یک امر مهم محسوب میشود. متد های فعلی برای کاوش قواعد انجمنی بری انواع پایگاه داده های مختلف عملکرد های ناپایدار و عدم استفاده بهینه از مزایا ی ماشین های حافظه مشترک چند هسته ای را نشان داه است .در این مقاله ما بوسیله ارایه یک مدل جدید موازی در جهت پیدا کردن الگو های مکرر -محاسباتی ترین فاز ARM را مورد بررسی قرار می دهیم .متد ارایه شده ما به اصطلاح SHaFEMدو استراتژی کاوش را ترکیب کرده و مناسبت ترین آن را به هر یک از زیر مجموعه داده های پایگاه داده در خصوص سازگاری کارآمد مشخصه های داده و اجرای سریع در هر دو پایگاه داده های متراکم و پراکنده اعمال میکند .در ضمن طراحی بدون قفل ما نیاز به همگام سازی را به حداقل رسانده و به منظور افرایش مقیاس پذیری استقلال داده ها را حداکثر می رساند .ساختار جدید به خوبی خود را با زمان بندی شغالی داینامیکی پیوند میدهد که نتیجه بارگذاری متعادل روی معماری حافظه های مشترک چند هسته ای می باشد. ما متد SHaFEM را روی سرور های چند سوکتی هسته ای ارزیابی کرده ایم و دست یافتیم که متد ما برابرا سریع تر اجرا شده و برابر کمتر از تکنولوزی های جدید متد موازی حافظه را مصرف میکند .برای برخی از موارد آزمون در مقایسه با متد های ذکر شده متد SHaFEM می تواند ۴.۹ دهم از زمان اجرا را صرفه جویی کند .
کلمات کلیدی: کاوش الگوی مکرر | چند هسته ای | حافظه مشترک | کاوش قوانین انجمنی | الگوریتم موازی | پایگاه های داده
عنوان انگلیسی:
Novel parallel method for association rule mining on multi-core shared memory systems
~~en~~ writers :
Lan Vu , Gita Alaghband
Association rule mining (ARM) is an important task in data mining with many practical
applications. Current methods for association rule mining have shown unstable performance for different database types and under-utilize the benefits of multi-core shared
memory machines. In this paper, we address these issues by presenting a novel parallel
method for finding frequent patterns, the most computational intensive phase of ARM.
Our proposed method, named ShaFEM, combines two mining strategies and applies the
most appropriate one to each data subset of the database to efficiently adapt to the data
characteristics and run fast on both sparse and dense databases. In addition, our newlock-free design minimizes the synchronization needs and maximizes the data independence to enhance the scalability. The new structure lends itself well to dynamic job
scheduling resulting in a well-balanced load on the new multi-core shared memory architectures. We have evaluated ShaFEM on 12-core multi-socket servers and found that our
method run up to 5.8 times faster and consumes memory up to 7.1 times less than the
state-of-the-art parallel method. For some test cases, ShaFEM can save up to 4.9 days of
execution time over the compared method.
Keywords: Frequent pattern mining | Multi-core | Shared memory | Association rule mining | Parallel algorithm | Databases
$$en!!
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
مهسا فایل |
سایت دانلود فایل 